“若无操作手册，无人能成功部署可信赖的自主人工智能。”UiPath创始人兼CEO Daniel Dines在拉斯维加斯举行的FUSION年度大会上表示。此次大会正值UiPath举办该活动十周年。Dines借此发布了新产品UiPath Cartographer，旨在构建企业级的“工作地图”（Map of Work）。
Dines回顾称，2016年首届大会在伦敦举行时，参会者仅约百人，公司年经常性收入约300万至400万美元，客户数十家。如今，UiPath年经常性收入已突破20亿美元，拥有超过1万名客户。
大语言模型的三大局限
Dines在与AI合著的《The Work That Remains》一书中指出，大型语言模型（LLM）存在三个关键局限，目前尚无新技术能完全解决。
首先是责任归属。LLM无法为其行为后果负责，而企业行动必须明确责任主体。其次是学习能力。Dines强调：“LLM拥有记忆，但记忆不等于学习。”第三是精确性。LLM基于概率运行，而支付等关键业务要求每次执行都准确无误。
他指出，要让LLM融入企业流程，必须依赖完整、详细的工作操作手册。然而，目前鲜有企业具备此类手册，且咨询公司的版本往往迅速过时。
Cartographer如何构建“工作地图”
Cartographer通过摄入流程图、流程挖掘图表、文档及标准操作规程，并向主题专家提问、录制屏幕操作解释，生成初版“工作地图”。Dines坦言，首版地图“必然不完整”。
随后，编码代理依据地图构建自动化流程。在处理案例时，人类审核员会对代理建议进行修正。UiPath将这些修正存入“决策账本”（Decision Ledger），并将新异常情况反馈回地图，形成闭环优化。
目前，UiPath编码代理已全面可用，支持Claude Code、Cursor、Codex和Antigravity原生运行。Cartographer也已上线，但官方尚未公布定价。
企业客户：73%的准确率不可接受
住友三菱金融集团（SMBC）Kei Yamamoto透露，自2017年以来，该银行已通过自动化节省超600万小时工时，约3000名员工转岗。今年，其会计代理单月处理超1万份报销申请。
但Yamamoto指出：“若三步流程每步准确率90%，端到端准确率仅约73%，这对会计工作而言不可接受。”SMBC目前结合规则、历史数据、生成式AI及人工检查点处理异常，并计划测试Cartographer。
梅奥诊所Nikki Harper表示，团队需先全面理解流程。Medline的William Abrams则称，其医院客户要求99%的准确率，73%的量产精度“不可想象”，且当前代理的自主权超出了客户的舒适区。
“继续招聘初级员工”
Forrester分析师Diego Lo Giudice在讨论“暗测工厂”（自主测试环境）时表示，目标不应是为自主而自主，“若能建立信任，它才有未来”。
Dines最后强调，AI缺乏主动性与意志力，人类才是设定目标的核心。他批评因AI减少初级员工招聘的做法，主张资深员工应指导新人从周围环境中学习，而非仅编写AI已能完成的简单代码。”